深度学习在生物医药领域中的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新，已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价10元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 26779 篇文献，本页显示第 1561 - 1580 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1561 | 2025-06-06 |
AUTOMATED DETECTION OF VITRITIS USING ULTRAWIDE-FIELD FUNDUS PHOTOGRAPHS AND DEEP LEARNING
2024-06-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000004049
PMID:38261816
|
研究论文 | 本研究开发了一种基于深度学习的算法，用于自动检测和分级超广角眼底照片中的玻璃体炎 | 首次利用超广角眼底成像和深度学习技术进行玻璃体炎的自动检测和分级 | 六分类玻璃体炎分级的准确性有限（0.61），可能需要更大样本量来提高模型性能 | 评估深度学习算法在超广角成像上自动检测和分级玻璃体炎的性能 | 葡萄膜炎患者的超广角眼底视网膜照片 | 数字病理 | 葡萄膜炎 | 超广角眼底成像 | DenseNet121 CNN | 图像 | 1181张图像 |
| 1562 | 2025-06-06 |
OMERACT validation of a deep learning algorithm for automated absolute quantification of knee joint effusion versus manual semi-quantitative assessment
2024-06, Seminars in arthritis and rheumatism
IF:4.6Q1
DOI:10.1016/j.semarthrit.2024.152420
PMID:38422727
|
研究论文 | 本文通过OMERACT过滤器评估深度学习算法在膝关节积液自动绝对量化中的应用 | 首次使用深度学习算法对膝关节积液进行自动绝对量化，并与人工半定量评估进行对比 | 需要进一步评估算法的区分能力和与临床结果的一致性，以完全满足OMERACT过滤器的要求 | 评估深度学习算法在膝关节积液量化中的有效性 | 53名OAI受试者的膝关节MRI数据 | 数字病理学 | 骨关节炎 | 深度学习 | DL算法 | MRI图像 | 53名受试者 |
| 1563 | 2025-06-06 |
OCTess: AN OPTICAL CHARACTER RECOGNITION ALGORITHM FOR AUTOMATED DATA EXTRACTION OF SPECTRAL DOMAIN OPTICAL COHERENCE TOMOGRAPHY REPORTS
2024-04-01, Retina (Philadelphia, Pa.)
DOI:10.1097/IAE.0000000000003990
PMID:37948741
|
研究论文 | 开发了一种名为OCTess的光学字符识别算法，用于从Cirrus SD-OCT黄斑立方体报告中自动提取数据 | 结合了Tesseract OCR库和LSTM深度学习技术，实现了近乎完美的数据提取准确率，且在效率上超越了人工操作 | 研究仅基于单中心数据库，可能限制了算法的泛化能力 | 开发自动化工具以减少人工提取SD-OCT报告的时间和资源消耗 | SD-OCT单眼黄斑立方体报告 | 计算机视觉 | 眼科疾病 | 光学字符识别(OCR)，深度学习 | LSTM | 图像 | 675份SD-OCT报告（训练集125份，测试集550份） |
| 1564 | 2025-06-06 |
Dimensionality Reduction and Nearest Neighbors for Improving Out-of-Distribution Detection in Medical Image Segmentation
2024, The journal of machine learning for biomedical imaging
DOI:10.59275/j.melba.2024-g93a
PMID:40453064
|
research paper | 该研究通过应用马氏距离和k近邻距离方法，提高了医学图像分割中分布外数据的检测性能 | 提出使用降维技术和非参数k近邻距离方法改进分布外检测，显著提升了可扩展性和性能 | 研究仅针对肝脏分割任务进行了验证，未在其他器官或模态上进行测试 | 提高医学图像分割模型对分布外数据的检测能力 | T1加权磁共振成像和计算机断层扫描的肝脏分割 | digital pathology | liver cancer | principal component analysis, uniform manifold approximation and projection | Swin UNETR, nnU-net | image | NA |
| 1565 | 2025-06-06 |
Assessing Trustworthy AI in Times of COVID-19: Deep Learning for Predicting a Multiregional Score Conveying the Degree of Lung Compromise in COVID-19 Patients
2022-Dec, IEEE transactions on technology and society
DOI:10.1109/TTS.2022.3195114
PMID:36573115
|
研究论文 | 本文展示了如何在医疗保健领域实践欧盟高级专家组的可信AI指南，并探讨了COVID-19疫情期间'可信AI'的含义 | 应用Z-Inspection®方法进行后验自我评估，以评估AI系统在COVID-19疫情期间的可信度 | 研究局限于疫情期间在意大利一家诊所的实验性部署，可能不具有广泛代表性 | 评估AI系统在预测COVID-19患者肺部损伤程度方面的可信度 | COVID-19患者的胸部X光片 | 数字病理学 | COVID-19 | 深度学习 | NA | 医学影像 | NA |
| 1566 | 2025-06-05 |
Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning
2025-Dec, mAbs
IF:5.6Q1
DOI:10.1080/19420862.2025.2483944
PMID:40170162
|
research paper | 该研究通过大规模粘度数据和集成深度学习加速高浓度单克隆抗体的开发 | 开发了DeepViscosity模型，包含102个集成人工神经网络模型，用于分类低粘度（≤20 cP）和高粘度（>20 cP）的单克隆抗体，准确率超过其他预测方法 | 模型训练数据仅包含229个单克隆抗体的粘度数据，可能影响模型的泛化能力 | 开发预测模型以筛选高浓度单克隆抗体，改善其制造和配方特性 | 229个单克隆抗体的粘度数据 | machine learning | NA | DeepSP模型 | ensemble artificial neural network | sequence-based features | 229个单克隆抗体 |
| 1567 | 2025-06-05 |
Enhancing Functional Protein Design Using Heuristic Optimization and Deep Learning for Anti-Inflammatory and Gene Therapy Applications
2025-Jul, Proteins
IF:3.2Q2
DOI:10.1002/prot.26810
PMID:39985803
|
研究论文 | 本研究开发了一种启发式优化方法，用于增强蛋白质的关键功能特性，如溶解性、灵活性和稳定性，同时保持蛋白质的结构完整性 | 结合启发式优化和深度学习，专注于蛋白质的功能特性设计，特别适用于抗炎和基因治疗应用 | 未提及具体实验验证的功能性蛋白质数量或实际应用效果 | 提高功能性蛋白质设计的效率和效果，减少实验室需求 | 蛋白质序列设计，特别是具有抗炎特性和用于基因治疗的蛋白质 | 机器学习 | NA | 启发式优化方法、深度学习、遗传算法 | NA | 蛋白质序列 | NA |
| 1568 | 2025-06-05 |
Gesture recognition from surface electromyography signals based on the SE-DenseNet network
2025-Jun-26, Biomedizinische Technik. Biomedical engineering
DOI:10.1515/bmt-2024-0282
PMID:39873377
|
研究论文 | 本文提出了一种基于SE-DenseNet网络的手势识别方法，用于从表面肌电信号中识别手势 | 融合了Squeeze-and-Excitation Networks (SE)和DenseNet，在DenseBlock和Transition之间插入注意力机制，以提高特征表示能力并有效解决梯度消失问题 | 现有手势识别算法在全局特征捕获、模型计算复杂度和泛化能力方面仍需进一步改进 | 提供更自然、方便和个性化的人机交互，特别是在康复技术领域 | 表面肌电信号(sEMG) | 机器学习 | NA | 深度学习 | SE-DenseNet | 肌电信号 | NinaPro DB2和DB4数据集 |
| 1569 | 2025-06-05 |
A ViTUNeT-based model using YOLOv8 for efficient LVNC diagnosis and automatic cleaning of dataset
2025-Jun-04, Journal of integrative bioinformatics
IF:1.5Q3
DOI:10.1515/jib-2024-0048
PMID:40460443
|
研究论文 | 提出了一种基于ViTUNeT和YOLOv8的模型，用于左心室非致密化(LVNC)的高效诊断和数据集自动清理 | 结合U-Net和Vision Transformers的ViTUNeT架构，以及使用YOLOv8模型进行心室检测和数据集清理 | 数据集质量限制了进一步的准确性提升 | 改进心脏图像分析和分割方法 | 左心室非致密化患者和健康个体 | 数字病理学 | 心血管疾病 | 深度学习 | ViTUNeT, YOLOv8 | MRI图像 | 新增Titin心肌病患者和健康个体的数据集 |
| 1570 | 2025-06-05 |
Applications of Artificial Intelligence (AI) for Diagnosis of Periodontal/Peri-Implant Diseases: A Narrative Review
2025-Jun-04, Journal of oral rehabilitation
IF:3.1Q1
DOI:10.1111/joor.14045
PMID:40464289
|
综述 | 本文综述了人工智能（AI）在牙周病/种植体周围疾病诊断中的应用现状 | 探讨了AI在牙周病诊断中的多种应用，包括疾病分期、严重程度评估及解剖结构定位，并比较了AI模型与牙医的诊断效果 | 仅进行了叙述性综述，未进行系统性分析或荟萃分析，可能遗漏部分研究 | 总结AI在牙周病/种植体周围疾病诊断和风险预测中的应用证据 | 牙周病和种植体周围疾病 | 数字病理 | 牙周病 | AI、ANN、CNN、ML、DL、DNN | CNN、DNN | 患者相关数据、疾病症状、免疫生物标志物、微生物图谱、影像数据 | NA |
| 1571 | 2025-06-05 |
A review on learning-based algorithms for tractography and human brain white matter tracts recognition
2025-Jun-04, Neuroradiology
IF:2.4Q2
DOI:10.1007/s00234-025-03637-7
PMID:40464927
|
综述 | 本文综述了基于学习的算法在脑白质纤维束追踪和识别中的应用 | 扩展了先前相关综述，涵盖了最新的方法和网络细节，并通过全面比较评估了基于学习的方法的效率 | NA | 探讨基于学习的算法在脑白质纤维束追踪和识别中的应用及其效率 | 人脑白质纤维束 | 医学影像分析 | NA | 扩散磁共振成像 | 机器学习、深度学习、强化学习、字典学习 | 磁共振图像 | NA |
| 1572 | 2025-06-05 |
Flexible High Temperature Stable Hydrogel Based Triboelectric Nanogenerator for Structural Health Monitoring and Deep Learning Augmented Human Motion Classification
2025-Jun-04, Small (Weinheim an der Bergstrasse, Germany)
DOI:10.1002/smll.202502739
PMID:40465357
|
research paper | 该研究开发了一种基于PDMS-水凝胶纳米复合材料的摩擦电纳米发电机（TENG），用于高温环境下的结构健康监测和深度学习增强的人体运动分类 | 研发出一种具有高温稳定性的PDMS-水凝胶纳米复合材料TENG，能够在高达200°C的温度下稳定工作，适用于工业高温设备的振动能量收集 | 未提及该设备在极端高温环境下的长期稳定性测试结果 | 开发适用于高温工业环境和可穿戴设备的多功能能量收集与监测系统 | PDMS-水凝胶纳米复合材料TENG及其在工业设备和人体运动监测中的应用 | energy harvesting, structural health monitoring, human motion classification | NA | triboelectric nanogenerator (TENG), deep learning | deep learning model (具体类型未说明) | voltage waveforms | NA |
| 1573 | 2025-06-05 |
NMR Pure Shift Spectroscopy and Its Potential Applications in the Pharmaceutical Industry
2025-Jun-03, Chembiochem : a European journal of chemical biology
IF:2.6Q3
DOI:10.1002/cbic.202401012
PMID:40263759
|
review | 本文综述了纯位移NMR技术及其在制药行业中的潜在应用 | 介绍了纯位移技术抑制标量耦合以提高光谱分辨率的方法，并探讨了深度学习辅助获取最优纯位移光谱的方法 | NA | 促进纯位移NMR技术在制药行业的发展和实际应用 | 纯位移NMR技术及其在制药行业的应用 | NA | NA | NMR纯位移技术、深度学习 | NA | 光谱数据 | NA |
| 1574 | 2025-06-05 |
Geometric Deep Learning for Multimodal Data in CKD
2025-Jun-03, Journal of the American Society of Nephrology : JASN
IF:10.3Q1
DOI:10.1681/ASN.0000000778
PMID:40459949
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 1575 | 2025-06-05 |
A Novel Deep Learning Framework for Nipple Segmentation in Digital Mammography
2025-Jun-03, Journal of imaging informatics in medicine
DOI:10.1007/s10278-025-01567-7
PMID:40461663
|
研究论文 | 提出了一种新的深度学习框架，用于数字乳腺X线摄影中的乳头分割，以提高医学分析和计算机辅助检测系统的准确性 | 该方法在乳头分割方面显著优于基线方法，特别是在基线方法完全失败的挑战性案例中，实现了在所有案例中的成功检测，并在重叠度量上取得了持续提升 | NA | 提高数字乳腺X线摄影中乳头分割的准确性，以支持多视角和多模态乳腺图像配准 | 数字乳腺X线摄影图像中的乳头区域 | 数字病理学 | 乳腺癌 | 深度学习 | NA | 图像 | NA |
| 1576 | 2025-06-05 |
Explainable RNA-Small Molecule Binding Affinity Prediction Based on Multiview Enhancement Learning
2025-Jun-03, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c01064
PMID:40461953
|
研究论文 | 提出了一种可解释的多视角、多尺度深度学习网络EMMPTNet，用于预测RNA-小分子结合亲和力 | 基于物理化学和拓扑特性，EMMPTNet通过四个模块从多视角高效提取特征，并利用多层感知器预测结合亲和力，同时在解释性方面提供了特征提取过程的分析和可视化 | NA | 准确预测RNA-小分子结合亲和力以筛选潜在药物 | RNA-小分子结合亲和力 | 机器学习 | NA | RNA-小分子结合亲和力预测 | EMMPTNet（多视角、多尺度深度学习网络） | 物理化学和拓扑特性数据 | NA |
| 1577 | 2025-06-05 |
Artificial Intelligence in Veterinary Clinical Pathology-An Introduction and Review
2025-Jun-03, Veterinary clinical pathology
IF:1.2Q3
DOI:10.1111/vcp.70012
PMID:40462415
|
review | 本文介绍了人工智能在兽医临床病理学中的应用及其基本概念，并探讨了AI在该领域的资格认定与整合 | 以非技术性的方式介绍AI基本概念，并探讨AI在兽医临床病理学中的资格认定与整合 | 未提及具体的技术实现细节或实验数据 | 探讨人工智能在兽医临床病理学中的应用与整合 | 兽医临床病理学 | machine learning | NA | machine learning, deep learning | NA | NA | NA |
| 1578 | 2025-06-05 |
Near-term prediction of sustained ventricular arrhythmias applying artificial intelligence to single-lead ambulatory electrocardiogram
2025-Jun-02, European heart journal
IF:37.6Q1
DOI:10.1093/eurheartj/ehaf073
PMID:40157386
|
研究论文 | 本研究开发了一种基于深度学习的单导联动态心电图模型，用于短期预测持续性室性心律失常 | 首次利用深度学习分析单导联动态心电图，预测短期内发生持续性室性心动过速的风险，并揭示了早期去极化模式作为潜在预测因子 | 研究为回顾性设计，且阳性事件发生率较低（0.5%） | 开发能够提前预测危及生命的室性心律失常的人工智能模型 | 来自六个国家的247254份14天动态心电图记录 | 机器学习 | 心血管疾病 | 深度学习 | 深度学习模型 | 心电图数据 | 247254份动态心电图记录（开发集183177份，内部验证集43580份，外部验证集20497份） |
| 1579 | 2025-06-05 |
ViTU-net: A hybrid deep learning model with patch-based LSB approach for medical image watermarking and authentication using a hybrid metaheuristic algorithm
2025-Jun-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110393
PMID:40460563
|
research paper | 提出了一种名为ViTU-net的混合深度学习模型，用于医学图像水印和认证，结合了基于块的LSB方法和混合元启发式算法 | ViTU-Net整合了Vision Transformer编码器和U-Net解码器，采用自适应分层空间注意力模块和基于块的LSB嵌入机制，结合TuniBee Fusion混合元启发式优化算法和高级加密技术，提高了水印的不可感知性、鲁棒性和部署效率 | 未提及具体的数据集规模或实际部署中的计算资源需求 | 解决医学图像水印在不可感知性、抗攻击鲁棒性和部署效率方面的挑战，确保医学图像的数据完整性、保密性和真实性 | 胸部X光片用于肺炎诊断 | digital pathology | pneumonia | SHA-512哈希和AES加密 | ViTU-net（结合ViT和U-Net） | image | NA |
| 1580 | 2025-06-05 |
Deep learning approaches to surgical video segmentation and object detection: A scoping review
2025-Jun-02, Computers in biology and medicine
IF:7.0Q1
DOI:10.1016/j.compbiomed.2025.110482
PMID:40460561
|
综述 | 本文回顾了2014年至2024年间关于手术视频中解剖结构语义分割和物体检测的深度学习模型的最新进展 | 总结了深度学习在手术视频语义分割中的实时应用潜力，并指出了当前技术的优缺点 | 对于较小结构（如神经）的分割精度较低，数据可用性和模型泛化性仍是主要挑战 | 评估手术视频中解剖结构语义分割的最新技术水平 | 手术视频中的解剖结构 | 计算机视觉 | NA | 深度学习 | U-Net, DeepLab | 视频 | 61项已发表研究 |